神经网络在测井岩性识别中的应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-18页 |
| ·引言 | 第14页 |
| ·测井技术 | 第14-15页 |
| ·测井解释 | 第15页 |
| ·岩性识别技术 | 第15-17页 |
| ·神经网络技术的发展及应用 | 第17-18页 |
| 第二章 神经网络概述 | 第18-26页 |
| ·引言 | 第18页 |
| ·神经元模型 | 第18-20页 |
| ·神经网络的拓扑结构 | 第20-21页 |
| ·神经网络的主要模型 | 第21-23页 |
| ·神经网络的学习方式及规则 | 第23-26页 |
| 第三章 测井数据预处理 | 第26-32页 |
| ·引言 | 第26页 |
| ·测井数据归一化处理 | 第26页 |
| ·测井数据主成分分析 | 第26-31页 |
| ·主成分分析基本原理 | 第27-28页 |
| ·主成分分析法步骤 | 第28-30页 |
| ·主成分分析的特点 | 第30-31页 |
| ·测井数据预处理的实现 | 第31-32页 |
| 第四章 基于BP神经网络的测井数据分类 | 第32-46页 |
| ·BP网络理论 | 第32-37页 |
| ·BP网络设计原则 | 第32-33页 |
| ·BP网络学习算法 | 第33-36页 |
| ·BP算法的局限性及改进 | 第36-37页 |
| ·BP网络模型在岩性识别的应用 | 第37-39页 |
| ·PCA-BP网络模型在岩性识别的应用 | 第39-43页 |
| ·PCA-BP神经网络模型 | 第39-40页 |
| ·测井数据预处理结果 | 第40-41页 |
| ·PCA-BP模型岩性分类结果 | 第41-43页 |
| ·BP网络和PCA-BP网络岩性识别方法综合比较 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第五章 基于SOM神经网络的测井数据聚类 | 第46-62页 |
| ·自组织特征映射神经网络(SOM) | 第46-52页 |
| ·SOM网络的工作原理 | 第47-48页 |
| ·SOM网络的网络特性 | 第48-49页 |
| ·SOM网络传统学习算法 | 第49-51页 |
| ·SOM网络存在的问题以及改进学习算法 | 第51-52页 |
| ·SOM网络模型在Iris的应用 | 第52-58页 |
| ·树叶形状的特征参数 | 第52-53页 |
| ·输入模式的预处理 | 第53-54页 |
| ·Iris聚类结果 | 第54-57页 |
| ·Iris聚类结果对比 | 第57-58页 |
| ·SOM网络模型在岩性识别中的应用 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 研究成果及发表的学术论文 | 第70-72页 |
| 作者和导师简介 | 第72-73页 |
| 硕士研究生学位论文答辩委员会决议书 | 第73-74页 |
